本發(fā)明涉及物體的顏色識別，尤其涉及一種基于證據(jù)理論的多源光傳感器信息融合的顏色識別方法。

背景技術(shù)：

1、物體的顏色識別是一種廣泛需要的應用技術(shù)，在科學研究，藝術(shù)設計，裝飾裝修，影視游戲設計和工業(yè)生產(chǎn)中有著廣泛的應用?，F(xiàn)有的基于光點效應的顏色識別原理是基于物體表面不同結(jié)構(gòu)會反射不同光線的物理特性。當光源照射到物體表面時，物體會根據(jù)自身的結(jié)構(gòu)和材質(zhì)特性對特定的顏色特性反射出特定波長的光線，這些光線就包含了，物體表面結(jié)構(gòu)及顏色信息。這些反射光線被顏色識別傳感器中的基于光電效應的光敏元件接收，就可以將光線信號轉(zhuǎn)換成電信號。隨后信號處理的模擬或者數(shù)字電路對這些電信號進行放大、濾波等處理，再基于不同的各項標準制定特定的顏色識別算法(如rgb算法、hsv算法等)對物體的顏色進行識別。

2、由上述的顏色識別原理可以看出，顏色識別其實是根據(jù)被識別物的表面材質(zhì)結(jié)構(gòu)所反射的光線的特性進行特定的分類。而在日常的使用中，多數(shù)檢測使用的是單一光傳感器進行顏色識別，如圖2所示，這種單一傳感器進行顏色識別，識別的穩(wěn)定性較差，相對精度較低。

技術(shù)實現(xiàn)思路

1、發(fā)明目的：本發(fā)明的目的是提供一種基于證據(jù)理論的多源光傳感器信息融合的顏色識別方法。

2、技術(shù)方案：本發(fā)明所述的基于證據(jù)理論的多源光傳感器信息融合的顏色識別方法，包括如下步驟：

3、(1)采集不同光電傳感器的rgb數(shù)值，即基于r、g、b元素的光電傳感器數(shù)據(jù)的三角模糊數(shù)，單個傳感器采集到的rgb數(shù)值范圍是一組3個數(shù)據(jù)；

4、(2)基于采集到的rgb數(shù)據(jù)分別構(gòu)建三角模糊數(shù)；

5、(3)對不同顏色構(gòu)建多個組合三角模糊數(shù)；

6、(4)將不同的光電傳感器獲得的rgb顏色屬性的值分別放到上述的三個不同的三角模糊數(shù)集合中，進行隸屬度分配；

7、(5)基于上述的隸屬度函數(shù)的值分別生成各個傳感器在不同顏色屬性下的基本概率分配函數(shù)；

8、(6)進行三個傳感器的各自的不同顏色數(shù)據(jù)信息融合；

9、(7)將三個傳感器的bpa即基本概率分配函數(shù)，再次進行融合，生成顏色的識別結(jié)果。

10、進一步地，所述步驟(1)選定基于工業(yè)界的rgb顏色標準，即通過對紅綠藍rgb三個顏色通道的變化來判定顏色的基準。

11、進一步地，所述步驟(1)光電傳感器是rgb的傳感器，通過光電效應將物體表面反射光進行處理后得到的r、g、b不同值的傳感器。

12、進一步地，所述步驟(2)對采集到的rgb數(shù)據(jù)分別構(gòu)建三角模糊數(shù)，表示為：

13、

14、其中，表示采集到的rgb數(shù)據(jù)針對不同顏色的隸屬度，x是單個r或者g或者b的值，a表示某類顏色的最小值，b表示某類顏色的平均單一顏色程度值，c表示某類顏色的最大值。

15、進一步地，所述步驟(3)中選用rgb三原色光模式，其紅色屬性的測試數(shù)值為127，綠色屬性的測試數(shù)值為255；藍色屬性的測試數(shù)值為212。

16、進一步地，所述步驟(4)隸屬度采用兩個三角形相交后形成的新的三角形的高度來表示，用到的公式如下所示：

17、

18、其中，μ表示的是待測物體與標準物體命題的隸屬度；k表示傳感器所測得的數(shù)值；1表示當傳感器的測試值在標準物體的最大值和最小值之間的范圍時，測試值與最大值或者最小值的差值；d表示當傳感器的測試值在標準物體的最大值和最小值之間的范圍時，標準樣本的平均值與其最大值或最小值的差值；a表示與測試結(jié)果進行對比的命題。

19、進一步地，所述步驟(4)采用三個傳感器獲得的不同的rgb值用于展示，其值分別為：傳感器1：{116,242,200}；傳感器2：{11?7，245，203}；傳感器3：{119，244，201}。

20、進一步地，所述步驟(5)生成各個傳感器在不同顏色屬性下的基本概率分配函數(shù)表示為：

21、

22、其中，p滿足：1≤p≤n，最后生成的焦元個數(shù)即為p+1；表示某一命題的隸屬度，在實驗部分的測試數(shù)據(jù)中用μ代替；表示在所生成的bpa中信息未知的部分，其具體表達式為：表示測試數(shù)據(jù)支持命題ti的隸屬程度；

23、tj表示某一個命題；ω表示全集，表示變量b所有能取到的值的窮舉集合；m(tj)表示關(guān)于命題tj生成的基本概率分配函數(shù)；m(ω)表示在基本概率分配函數(shù)的生成中，待測物體種類不確定性的大小。

24、進一步地，所述步驟(6)用到的信息融合公式為：

25、

26、其中，k為沖突系數(shù)，表示兩個證據(jù)之間的沖突情況，ai表示第i個顏色命題，bj表示第j個顏色命題，m1表示傳感器1對ai顏色命題的基本概率指派函數(shù)，m2表示第二個傳感器對bj個顏色命題的基本概率指派函數(shù)。

27、進一步地，所述沖突系數(shù)k的計算方式如下：

28、

29、其中，ai表示，bj表示，m1表示，m2表示。

30、有益效果：本發(fā)明與現(xiàn)有技術(shù)相比，具有如下顯著優(yōu)點：基于信息融合的證據(jù)理論，通過融合多個光傳感器的信號結(jié)果提升了顏色識別的精度；集成了多個光傳感器進行顏色識別，提高了顏色識別的穩(wěn)定性和魯棒性。

技術(shù)特征：

1.一種基于證據(jù)理論的多源光傳感器信息融合的顏色識別方法，其特征在于，包括如下步驟：

2.根據(jù)權(quán)利要求1所述的基于證據(jù)理論的多源光傳感器信息融合的顏色識別方法，其特征在于，所述步驟(1)選定基于工業(yè)界的rgb顏色標準，即通過對紅綠藍rgb三個顏色通道的變化來判定顏色的基準。

3.根據(jù)權(quán)利要求1所述的基于證據(jù)理論的多源光傳感器信息融合的顏色識別方法，其特征在于，所述步驟(1)光電傳感器是rgb的傳感器，通過光電效應將物體表面反射光進行處理后得到的r、g、b不同值的傳感器。

4.根據(jù)權(quán)利要求1所述的基于證據(jù)理論的多源光傳感器信息融合的顏色識別方法，其特征在于，所述步驟(2)對采集到的rgb數(shù)據(jù)分別構(gòu)建三角模糊數(shù)，表示為：

5.根據(jù)權(quán)利要求1所述的基于證據(jù)理論的多源光傳感器信息融合的顏色識別方法，其特征在于，所述步驟(3)中選用rgb三原色光模式，其紅色屬性的測試數(shù)值為127，綠色屬性的測試數(shù)值為255；藍色屬性的測試數(shù)值為212。

6.根據(jù)權(quán)利要求1所述的基于證據(jù)理論的多源光傳感器信息融合的顏色識別方法，其特征在于，所述步驟(4)隸屬度采用兩個三角形相交后形成的新的三角形的高度來表示，用到的公式如下所示：

7.根據(jù)權(quán)利要求1所述的基于證據(jù)理論的多源光傳感器信息融合的顏色識別方法，其特征在于，所述步驟(4)采用三個傳感器獲得的不同的rgb值用于展示，其值分別為：傳感器1：{116,242,200}；傳感器2：{117，245，203}；傳感器3：{119，244，201}。

8.根據(jù)權(quán)利要求1所述的基于證據(jù)理論的多源光傳感器信息融合的顏色識別方法，其特征在于，所述步驟(5)生成各個傳感器在不同顏色屬性下的基本概率分配函數(shù)表示為：

9.根據(jù)權(quán)利要求1所述的基于證據(jù)理論的多源光傳感器信息融合的顏色識別方法，其特征在于，所述步驟(6)用到的信息融合公式為：

10.根據(jù)權(quán)利要求9所述的基于證據(jù)理論的多源光傳感器信息融合的顏色識別方法，其特征在于，所述沖突系數(shù)k的計算方式如下：

技術(shù)總結(jié)
本發(fā)明公開了一種基于證據(jù)理論的多源光傳感器信息融合的顏色識別方法，包括采集不同光電傳感器的RGB數(shù)值；基于采集到的RGB數(shù)據(jù)分別構(gòu)建三角模糊數(shù)；對不同顏色構(gòu)建多個組合三角模糊數(shù)；進行隸屬度分配；基于上述的隸屬度函數(shù)的值分別生成各個傳感器在不同顏色屬性下的基本概率分配函數(shù)；進行三個傳感器的各自的不同顏色數(shù)據(jù)信息融合；將三個傳感器的BPA再次進行融合，生成顏色的識別結(jié)果。本發(fā)明通過融合多個光傳感器的信號結(jié)果提升了顏色識別的精度；集成了多個光傳感器進行顏色識別，提高了顏色識別的穩(wěn)定性和魯棒性。

技術(shù)研發(fā)人員：張齊,唐春昊,憲易書
受保護的技術(shù)使用者：江蘇科技大學
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9